基于道路監(jiān)控視頻的交通擁堵判別方法研究.pdf

1、隨著經(jīng)濟(jì)的快速發(fā)展，各個(gè)城市的汽車數(shù)量不斷增加，道路的交通狀況越發(fā)的復(fù)雜，實(shí)現(xiàn)交通狀況的準(zhǔn)確判別是解決道路擁堵問題的基礎(chǔ)。道路監(jiān)控系統(tǒng)的普及、圖像處理與模式識(shí)別等技術(shù)的發(fā)展，使得基于視頻的交通特征參數(shù)的提取實(shí)現(xiàn)交通狀況的判別成為當(dāng)前研究的熱點(diǎn)。在實(shí)際的場(chǎng)景中道路信息系統(tǒng)的故障在所難免，容易造成道路交通流量數(shù)據(jù)的丟失，實(shí)現(xiàn)這些數(shù)據(jù)的修復(fù)顯得尤為重要。
　　為了解決道路狀況判別這一問題，本文通過對(duì)道路交通視頻的處理，獲得道路交通特征參

2、數(shù)，提出了一種基于核函數(shù)模糊C均值聚類（KFCM）的交通擁堵判別方法，同時(shí)將時(shí)空壓縮感知壓縮感知應(yīng)用于道路交通流量數(shù)據(jù)的修復(fù)過程中。論文的主要工作如下：
　　從實(shí)時(shí)交通視頻中獲得道路交通特征參數(shù)，首先要實(shí)現(xiàn)運(yùn)動(dòng)車輛的目標(biāo)檢測(cè)。本文對(duì)傳統(tǒng)的像素級(jí)Vibe目標(biāo)檢測(cè)算法進(jìn)行了改進(jìn)，提出了一種基于閾值的自適應(yīng)Vibe目標(biāo)檢測(cè)算法。針對(duì)檢測(cè)中存在的鬼影，引入了基于Otsu閾值的鬼影抑制方法，將單個(gè)像素點(diǎn)的背景判別與整幅圖像的特征相結(jié)合。為了

3、更好地適應(yīng)前景目標(biāo)運(yùn)動(dòng)狀況變化較大的情況，根據(jù)前景目標(biāo)質(zhì)心的運(yùn)動(dòng)速度，自適應(yīng)的調(diào)整背景的更新速度。實(shí)驗(yàn)證明，本文的改進(jìn)算法，能夠快速有效的抑制鬼影，同時(shí)提高了目標(biāo)檢測(cè)的準(zhǔn)確性和魯棒性。
　　其次，本文提出了一種基于KFCM的交通擁堵判別方法。交通擁堵的判別采用道路空間占道比、車流量以及道路宏觀光流速度三個(gè)參數(shù)。對(duì)交通視頻通過多幀融合進(jìn)行道路的檢測(cè)，計(jì)算前景目標(biāo)像素個(gè)數(shù)與道路像素個(gè)數(shù)的比值獲得道路空間占道；通過虛擬線圈法與Vibe算

4、法結(jié)合統(tǒng)計(jì)車流量；融合了Harris角點(diǎn)檢測(cè)算法以及H-S光流算法計(jì)算了整個(gè)車道的宏觀光流速度。在此基礎(chǔ)上，根據(jù)交通狀態(tài)之間具有的模糊性，采用KFCM算法尋找交通狀態(tài)的聚類中心，建立交通擁堵判別器，最后通過計(jì)算歐氏距離得到當(dāng)前的交通擁堵狀態(tài)。實(shí)驗(yàn)證明，本文提出的方法能夠快速準(zhǔn)確的進(jìn)行道路擁堵狀態(tài)的判別。
　　最后，視頻交通特征參數(shù)獲取過程中交通流量參數(shù)可能丟失，道路交通流量的結(jié)構(gòu)特性使其具有一定的冗余性和可壓縮性，因此可將時(shí)空壓縮